แนวปฏิบัติที่ดีและข้อพึงระวังใน MLOps

MLOps สำหรับธุรกิจ

Arne Jonas Warnke

Head of Emerging Curriculum

เนื้อหาในวิดีโอนี้

$$

MLOps

แนวปฏิบัติที่ดี
ข้อพึงระวัง

$$

แนวปฏิบัติที่ดี

แนวปฏิบัติที่ดีในการออกแบบแอปพลิเคชัน MLOps

$$

เน้นที่การได้มาซึ่งข้อมูลที่ดีขึ้น
- มากกว่าการปรับปรุงโมเดล
- แนวทาง Data-centric

$$

เริ่มจากคำถามทางธุรกิจ
- พิจารณาทำ PoC หากความเป็นไปได้ยังไม่ชัดเจน
- ประเมิน bottleneck ที่อาจเกิดขึ้นตั้งแต่เนิ่นๆ
- มั่นใจว่าได้บทเรียนแม้ในกรณีที่ล้มเหลว

$$

ตารางตัวเลข

โครงสร้างพื้นฐาน

$$

แนวปฏิบัติที่ดีด้านโครงสร้างพื้นฐาน

ความต้องการด้านการประมวลผลมีความผันแปร
- สูงเป็นพิเศษในช่วงการฝึกโมเดล
- โครงสร้างพื้นฐานต้องพร้อมรองรับ
คำนึงถึงต้นทุนที่เกี่ยวข้องด้วย

$$

เพื่อนร่วมงานในห้องเซิร์ฟเวอร์

แนวปฏิบัติที่ดีด้านการสร้างโมเดล

$$

แนวปฏิบัติที่ดีจากมุมมอง MLOps:

เริ่มด้วยโมเดลที่เรียบง่าย
- พัฒนาได้รวดเร็ว ใช้เป็น baseline ได้
- เข้าใจง่ายกว่า

เมื่อเพิ่มโมเดลใหม่:

โมเดลใหม่ดีกว่าสถานะปัจจุบันหรือไม่?

$$

มนุษย์ครึ่งหนึ่งและหุ่นยนต์ครึ่งหนึ่งกำลังเขียนโค้ด

การทดสอบ

$$

การทดสอบอัตโนมัติ

ครอบคลุมตลอด lifecycle

โค้ด
โมเดล
คุณภาพข้อมูล
pipeline ทั้งหมด

การทดสอบอัตโนมัติ

คุณภาพโค้ดและความสามารถในการทำซ้ำ

$$

ผลลัพธ์ทั้งหมด

เข้าใจได้
ทำซ้ำได้

=> ตรวจสอบคุณภาพโค้ด

$$

โปรแกรมเมอร์สองคนทำงานร่วมกันเพื่อปรับปรุงโค้ด

การถ่ายทอดความรู้

$$

การจัดเวอร์ชัน

โมเดลและโค้ด
(จัดเก็บ) ข้อมูล

สร้างวัฒนธรรม

การจัดทำเอกสาร
โค้ดที่สะอาด
การถ่ายทอดความรู้

$$

ภาพการระดมความคิด

บันทึก insight ที่ได้รับ

$$

บันทึกความรู้ที่ได้รับ

แม้จะไม่ได้เป็นส่วนหนึ่งของแอปพลิเคชันขั้นสุดท้าย

$$

หลอดไฟ

แนวปฏิบัติที่ดีด้านการดำเนินงาน

$$

อัตโนมัติ

การบันทึก log
การมอนิเตอร์ $$

ทีมได้รับการฝึก

ให้ตอบสนองต่อข้อผิดพลาดได้อย่างรวดเร็ว
Continuous Monitoring / -Training

$$

ห้องมอนิเตอร์

มาฝึกกันเถอะ!

MLOps สำหรับธุรกิจ

Preparing Video For Download...